datawhalechina/hello-agents

PDF 版本下载

  本 Hello-Agents PDF 教程完全开源免费。为防止各类营销号加水印后贩卖给多智能体系统初学者，我们特地在 PDF 文件中预先添加了不影响阅读的 Datawhale 开源标志水印，敬请谅解～

✨ 你将收获什么？

• 📖 Datawhale 开源免费 完全免费学习本项目所有内容，与社区共同成长
• 🔍 理解核心原理 深入理解智能体的概念、历史与经典范式
• 🏗️ 亲手实现 掌握热门低代码平台和智能体代码框架的使用
• 🛠️ 自研框架 HelloAgents 基于 Openai 原生 API 从零构建一个自己的智能体框架
• ⚙️ 掌握高级技能 一步步实现上下文工程、Memory、协议、评估等系统性技术
• 🤝 模型训练 掌握 Agentic RL，从 SFT 到 GRPO 的全流程实战训练 LLM
• 🚀 驱动真实案例 实战开发智能旅行助手、赛博小镇等综合项目
• 📖 求职面试 学习智能体求职相关面试问题

📖 内容导航

• 前言 — 项目的缘起、背景及读者建议 — ✅
• 第一部分：智能体与语言模型基础
• 第一章 初识智能体 — 智能体定义、类型、范式与应用 — ✅
• 第二章 智能体发展史 — 从符号主义到 LLM 驱动的智能体演进 — ✅
• 第三章 大语言模型基础 — Transformer、提示、主流 LLM 及其局限 — ✅
• 第二部分：构建你的大语言模型智能体
• 第四章 智能体经典范式构建 — 手把手实现 ReAct、Plan-and-Solve、Reflection — ✅
• 第五章 基于低代码平台的智能体搭建 — 了解 Coze、Dify、n8n 等低代码智能体平台使用 — ✅
• 第六章 框架开发实践 — AutoGen、AgentScope、LangGraph 等主流框架应用 — ✅
• 第七章 构建你的Agent框架 — 从 0 开始构建智能体框架 — ✅
• 第三部分：高级知识扩展
• 第八章 记忆与检索 — 记忆系统，RAG，存储 — ✅
• 第九章 上下文工程 — 持续交互的"情境理解" — ✅
• 第十章 智能体通信协议 — MCP、A2A、ANP 等协议解析 — ✅

💡 如何学习

  本项目内容兼顾理论与实战，旨在帮助你系统性地掌握从单个智能体到多智能体系统的设计与开发全流程。因此，尤其适合有一定编程基础的 AI 开发者、软件工程师、在校学生 以及对前沿 AI 技术抱有浓厚兴趣的 自学者。在学习本项目之前，我们希望你具备基础的 Python 编程能力，并对大语言模型有基本的概念性了解（例如，知道如何通过 API 调用一个 LLM）。项目的重点是应用与构建，因此你无需具备深厚的算法或模型训练背景。

  智能体是一个飞速发展且极度依赖实践的领域。为了获得最佳的学习效果，我们在项目的code文件夹内提供了配套的全部代码，强烈建议你将理论与实践相结合。请务必亲手运行、调试甚至修改项目里提供的每一份代码。欢迎你随时关注 Datawhale 以及其他 Agent 相关社区，当遇到问题时，你可以随时在本项目的 issue 区提问。

• 第一部分：智能体与语言模型基础（第一章～第三章），我们将从智能体的定义、类型与发展历史讲起，为你梳理"智能体"这一概念的来龙去脉。随后，我们会快速巩固大语言模型的核心知识，为你的实践之旅打下坚实的理论地基。
• 第二部分：构建你的大语言模型智能体（第四章～第七章），这是你动手实践的起点。你将亲手实现 ReAct 等经典范式，体验 Coze 等低代码平台的便捷，并掌握 Langgraph 等主流框架的应用。最终，我们还会带你从零开始构建一个属于自己的智能体框架，让你兼具“用轮子”与“造轮子”的能力。
• 第三部分：高级知识扩展（第八章～第十二章），在这一部分，你的智能体将“学会”思考与协作。我们将使用第二部分的自研框架，深入探索记忆与检索、上下文工程、Agent 训练等核心技术，并学习多智能体间的通信协议。最终，你将掌握评估智能体系统性能的专业方法。
• 第四部分：综合案例进阶（第十三章～第十五章），这里是理论与实践的交汇点。你将把所学融会贯通，亲手打造智能旅行助手、自动化深度研究智能体，乃至一个模拟社会动态的赛博小镇，在真实有趣的项目中淬炼你的构建能力。
• 第五部分：毕业设计及未来展望（第十六章），在旅程的终点，你将迎来一个毕业设计，构建一个完整的、属于你自己的多智能体应用，全面检验你的学习成果。我们还将与你一同展望智能体的未来，探索激动人心的前沿方向。